6
それぞれ形状mとmの入力行列XとYを考慮する。出力として、(mn、mn)の形状行列を与えて、2つの行列の対応する要素を乗算する必要があります。 これらの2つの行列XとYは、遷移行列を表します。次の例は、必要な出力を示すために使用できます。ここで、Xは3×3行列であり、Yは2×2行列である。遷移行列(m * m)*(n * n)の要素wise積を効率的に計算して(mn * mn)行列を与える
def transition_multiply(X,Y):
num_rows_X=len(X)
num_rows_Y=len(Y)
out=[]
count=0
for i in range(num_rows_X):
for j in range(num_rows_Y):
out.append([])
for x in X[i]:
for y in Y[j]:
out[count].append(x*y)
count+=1
return out
X=[[1,2,3],[2,3,4],[3,4,5]]
Y=[[2,4],[1,2]]
import numpy
print transition_multiply(numpy.array(X),numpy.array(Y))
私は必要な出力を得ることが、非ベクトル化バージョンは本当に遅くなることを実現:
Matrix X
--------------
x1 x2 x3
x1| a b c
x2| d e f
x3| g h i
Matrix Y
--------------
y1 y2
y1| j k
y2| l m
Matrix Z (Output)
----------------------------------------
x1y1 x1y2 x2y1 x2y2 x3y1 x3y2
x1y1| aj ak bj bk cj ck
x1y2| al am bl bm cl cm
x2y1| dj dk ej ek fj fk
.
.
には、以下の私がこの仕事のために書かれている非ベクトル化機能です。 Numpyを使用して、この計算をベクトル化する最良の方法は何でしょうか。
なぜこの計算が必要なのか興味がある人に。 Factor Hidden Markov Modelの遷移行列を構成遷移行列から作成する際に必要となる。
素晴らしい!自分自身をコード化しようとするのに無駄な時間を費やしました!ありがとう –